Bahnplanungsframework für ein autonomes Fahrzeug - oops ...

Weitere Magazine

Empfehlungen

Info

XII Literatur [15] HRBÁČEK, J., RIPEL, T., AND KREJSA, J. Ackermann mobile robot chassis with independent rear wheel drives. EPE-PEMC 2010 (2010), 46–51. [16] KANAYAMA, Y., AND HARTMAN, B. I. Smooth local path planning for autonomous vehicles. In Proceedings, 1989 International Conference on Robotics and Automation (1989), IEEE Comput. Soc. Press, pp. 1265–1270. [17] KELLY, A., AND NAGY, B. Reactive Nonholonomic Trajectory Generation via Parametric Optimal Control. The International Journal of Robotics Research 22, 7-8 (July 2003), 583–601. [18] KIRCH, T. 3D-Lasertriangulation, 2007. [19] KOENIG, S., AND LIKHACHEV, M. Improved Fast Replanning for Robot Navigation in Unknown Terrain. Proceed- ings of the IEEE International Conference on Robotics and Automation (ICRA) (2002), 1–8. [20] KOMORIYA, K., TACHI, S., AND TANIE, K. A method of autonomous locomotion for mobile robots. Advanced Robotics 1, 1 (1986), 3–19. [21] KOWALK, W. Animierte Algorithmen. In Skript zu Lehrveranstaltung Algorithmen und Datenstrukturen (2005), Uni Oldenburg, pp. 1–292. [22] KOWALK, W. Vektorrechnung. In Skript zu Lehrveranstaltungen über Computer Graphik (2010), Uni Oldenburg, pp. 1–27. [23] LAMIRAUX, F., BONNAFOUS, D., AND LEFEBVRE, O. Reactive Path Deformation for Nonholonomic Mobile Robots. IEEE Transactions on Robotics 20, 6 (Dec. 2004), 967–977. [24] LAVALLE, S. M. Planning Algorithms. Cambridge University Press, Cambridge, 2006. [25] LIKHACHEV, M., FERGUSON, D., GORDON, G., STENTZ, A., AND THRUN, S. Anytime Dynamic A*: An Anytime, Replanning Algorithm. Proceedings of the Interna- tional Conference on Automated Planning and Scheduling (ICAPS) (2005), 1–10. [26] LIKHACHEV, M., GORDON, G., AND THRUN, S. ARA*: Anytime A* with Provable Bounds on Sub-Optimality. Advances in Neural Information Processing Systems (2003), 1–8. [27] MCNAUGHTON, M., URMSON, C., DOLAN, J. M., AND LEE, J.-W. Motion planning for autonomous driving with a conformal spatiotemporal lattice. 2011 IEEE International Conference on Robotics and Automation 1 (May 2011), 4889–4895. [28] MILLINGTON, I., AND FUNGE, J. Artificial Intelligence for Games. Elsevier, 2009. [29] NASH, A., DANIEL, K., AND KOENIG, S. Theta*: Any-Angle Path Planning on Grids, 1968. [30] PIVTORAIKO, M., AND KELLY, A. Kinodynamic motion planning with state lattice motion primitives. In 2011 IEEE/RSJ International Conference on Intelligent Robots and Systems (Sept. 2011), IEEE, pp. 2172–2179. [31] PIVTORAIKO, M. N. Differentially Constrained Motion Planning with State Lattice Motion Primitives. No. February in 1. The Robotics Institute, 2012.
XIII [32] REEDS, J. A., AND SHEPP, L. A. Optimal Paths for a Car that goes both Forwards and Backwards. Pacific Journal of Mathematics 145, 2 (1990), 367–394. [33] RUFLI, M., AND SIEGWART, R. On the Design of Deformable Input- / State-Lattice Graphs. 2010 IEEE International Conference on Robotics and Automation (May 2010), 3071–3077. [34] SHIN, D. H., AND SINGH, S. Path Generation for Robot Vehicles Using Composite Clothoide Segments. Tech. rep., Carnegie Mellon University, 1990. [35] SHKEL, A. M., AND LUMELSKY, V. J. On Calculation of Optimal Paths with Constrained Curvature : The Case of Long Paths *. International Conference on Robotics and Automation (1996), 3578–3583. [36] SLEATOR, D. D., AND TARJAN, R. E. Self-Adjusting Heaps. SIAM Journal on Computing 15, 1 (Feb. 1986), 52–69. [37] STENTZ, A. The Focussed D* Algorithm for Real-Time Replanning. Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI), August (1995), 1–8. [38] THRUN, S., AND BÜCKEN, A. Integrating Grid-Based and Topological Maps for Mobile Robot Navigation. Proceedings of the Thirteenth National Conference of Artificial Intelligence AAAI, August (1996), 944–950. [39] TOUNSI, M., AND LE CORRE, J. Trajectory generation for mobile robots. Mathematics and Computers in Simulation 41, 3-4 (July 1996), 367–376. [40] TSUMURA, T., FUJIWARA, N., SHIRAKAWA, T., AND HASHIMOTO, M. Automatic guidance of vehicles following the route stored in the memory. Advanced Robotics 1, 3 (1986), 201–210. [41] ZILBERSTEIN, S., AND RUSSEL, S. Approximate reasoning using anytime algorithms. Imprecise and Approximate Computation (1995), 1–20.
Seite 1:
Fakultät II - Informatik, Wirtscha
Seite 5 und 6:
III INHALT 1 Einleitung 1 1.1 Motiv
Seite 7 und 8:
1 1 EINLEITUNG Zunächst wird das T
Seite 9 und 10:
1.4 Verfügbares System 3 1.4 VERF
Seite 11 und 12:
5 2 GRUNDLAGEN Der Teil „Ackerman
Seite 13 und 14:
2.1 Ackermann Modell 7 Die Orientie
Seite 15 und 16:
2.2 Objekterkennung 9 Beim Messen a
Seite 17 und 18:
2.3 Kollisionserkennung 11 2.3 KOLL
Seite 19 und 20:
2.3 Kollisionserkennung 13 Sei das
Seite 21 und 22:
2.3 Kollisionserkennung 15 Berechnu
Seite 23 und 24:
2.3 Kollisionserkennung 17 2.3.3 SC
Seite 25 und 26:
2.4 Regelung 19 2.4 REGELUNG Die Re
Seite 27 und 28:
2.4 Regelung 21 (a) Kreisbahn (b) G
Seite 29 und 30:
2.4 Regelung 23 a = v t ≈ 1.4 m s
Seite 31 und 32:
2.4 Regelung 25 In einem Simulation
Seite 33 und 34:
27 3 ENTWICKELTES FRAMEWORK Die Abb
Seite 35 und 36:
3.2 Vehicle Parameters 29 (a) State
Seite 37 und 38:
3.3 Statistik 31 (Abb. 3.5): Statis
Seite 39 und 40:
33 4 MOTION PRIMITIVES Eine Motion
Seite 41 und 42:
4.3 Klothoide 35 Konstante Krümmun
Seite 43 und 44:
4.3 Klothoide 37 ∫ l ( ) σt 2 x(
Seite 45 und 46:
4.4 Continuous Steering 39 4.4 CONT
Seite 47 und 48:
4.5 Verbindungen 41 (Abb. 4.7): Gra
Seite 49 und 50:
43 5 SAMPLING Sampling beschäftigt
Seite 51 und 52:
5.1 Control Space 45 S = {M i,j |
Seite 53 und 54:
5.2 State Space 47 Konfiguration de
Seite 55 und 56:
5.2 State Space 49 Vergleicht man d
Seite 57 und 58:
5.3 Ergebnisse und Evaluation 51 St
Seite 59 und 60: 53 6 SUCHALGORITHMEN Bisher wurden
Seite 61 und 62: 6.1 A* 55 A* operiert auf zwei List
Seite 63 und 64: 6.1 A* 57 47 Node otherWay = GetNod
Seite 65 und 66: 6.2 Heuristische Funktion 59 Wo der
Seite 67 und 68: 6.2 Heuristische Funktion 61 A* mit
Seite 69 und 70: 6.2 Heuristische Funktion 63 6.2.4
Seite 71 und 72: 6.2 Heuristische Funktion 65 6.2.5
Seite 73 und 74: 6.2 Heuristische Funktion 67 (a) Eu
Seite 75 und 76: 6.3 Datenstrukturen 69 6.3.1 SKEW H
Seite 77 und 78: 6.3 Datenstrukturen 71 A 1 A.l 5 A.
Seite 79 und 80: 6.3 Datenstrukturen 73 p u b l i c
Seite 81 und 82: 6.3 Datenstrukturen 75 (Abb. 6.17):
Seite 83 und 84: 6.4 Hierarchische Suche 77 (a) Adap
Seite 85 und 86: 6.5 Ergebnisse und Evaluation 79 6.
Seite 87 und 88: 6.5 Ergebnisse und Evaluation 81 An
Seite 89 und 90: 83 7 REEDS SHEPP In den ersten Kapi
Seite 91 und 92: 7.1 Reeds Shepp 85 7.1.1 KONSTRUKTI
Seite 93 und 94: 7.2 Continuous Steering 87 Die Kons
Seite 95 und 96: 7.2 Continuous Steering 89 Somit m
Seite 97 und 98: 91 8 FAZIT UND AUSBLICK Das Bahnpla
Seite 99 und 100: I GLOSSAR Nachfolgend sind noch ein
Seite 101 und 102: III ABKÜRZUNGEN ATF DGPS FTF GPS L
Seite 103 und 104: V ABBILDUNGEN 1.1 Testfahrzeuge. .
Seite 105 und 106: VII 6.12 Satz des Thales: Alle Wink
Seite 107 und 108: IX TABELLENVERZEICHNIS 5.1 Messdate
Seite 109: XI LITERATUR [1] DEAN, T., AND BODD
Seite 113: VERSICHERUNG Hiermit versichere ich
Alle anzeigen

Bahnplanungsframework für ein autonomes Fahrzeug - oops ...

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?